반도체 설계도 어차피 AI가 가장효율적이고 성능을 높힐 수 있는 방법으로 해줄텐데
난 왜 반도체 설계를 배우고있지?
정보) 이미 구글이 하고있다
그거 깃허브에 올라가있으니 공부하면 너의 특별한 가치가 될지도..?
어떤걸 공부하면?
구글이 만든 인공지능으로 칩 설계하는 프로그램이 깃허브에 올라가 있으니 공부해서 사용하게 되면 너의 큰 가치가 될 수도 있지 않을까? 라는 뜻이였음
그거 rl로 풀었었지? 요즘 rl로 combinatorial optimization도 푸는거 연습하더라 ㅋㅋㅋ 개신기
아 깃에 올라온 건 다른거였네https://github.com/google/skywater-pdk그냥PDK인 듯
11 ㅇㅇ chip placement라고 하던데
딥러닝의 위대한 점은 NP를 풀어주는 거라고 생각함 보통의 문제는 불필요한 탐색 케이스가 아주 많아서 논리적으로 elimination하고 추상화 몇 번 하면 문제의 크기가 확 줄어드니까. 딥러닝이 그 일을 아주 매끄럽게 해결했다 생각함.
그런 점에서 조합 문제랑 알파고는 공통점이 있지
내가 스위치 모델들을 좋아하는 이유이기도 함. 물론 빅 모델에서는 어차피 씹어먹히지만
암튼 쓰니는 AI랑 반도체 설계 지식을 잘 조합해서 새로운 가치를 만들어낼 수 있을거야! 둘 다 배우는 건 좋은 시도인 것 같아
배추다
정보) 이미 구글이 하고있다
그거 깃허브에 올라가있으니 공부하면 너의 특별한 가치가 될지도..?
어떤걸 공부하면?
구글이 만든 인공지능으로 칩 설계하는 프로그램이 깃허브에 올라가 있으니 공부해서 사용하게 되면 너의 큰 가치가 될 수도 있지 않을까? 라는 뜻이였음
그거 rl로 풀었었지? 요즘 rl로 combinatorial optimization도 푸는거 연습하더라 ㅋㅋㅋ 개신기
아 깃에 올라온 건 다른거였네
https://github.com/google/skywater-pdk
그냥
PDK인 듯
11 ㅇㅇ chip placement라고 하던데
딥러닝의 위대한 점은 NP를 풀어주는 거라고 생각함 보통의 문제는 불필요한 탐색 케이스가 아주 많아서 논리적으로 elimination하고 추상화 몇 번 하면 문제의 크기가 확 줄어드니까. 딥러닝이 그 일을 아주 매끄럽게 해결했다 생각함.
그런 점에서 조합 문제랑 알파고는 공통점이 있지
내가 스위치 모델들을 좋아하는 이유이기도 함. 물론 빅 모델에서는 어차피 씹어먹히지만
암튼 쓰니는 AI랑 반도체 설계 지식을 잘 조합해서 새로운 가치를 만들어낼 수 있을거야! 둘 다 배우는 건 좋은 시도인 것 같아
배추다